使用虚拟数组提高角分辨率
这个例子介绍了如何在MIMO雷达中形成一个虚拟阵列来帮助提高角度分辨率。它展示了如何使用相控阵系统工具箱™模拟一个相干MIMO雷达信号处理链。
简介
有两类多输入多输出(MIMO)雷达。多静态雷达形成第一类。它们通常被称为统计MIMO雷达。相干MIMO雷达是第二类雷达,也是本例的重点。相干MIMO雷达信号处理的一个好处是能够通过形成虚拟阵列来增加物理天线阵列的角度分辨率。
虚拟阵列
准单静态MIMO雷达可以创建一个虚拟阵列,其中发射和接收阵列位置紧密。为了更好地理解虚拟阵列的概念,首先看一下传统相控阵雷达的双向模式。相控阵雷达的双向模式是其发射阵列模式和接收阵列模式的产物。例如,考虑一个带有2单元发射阵列和4单元接收阵列的77 GHz毫米波雷达。
Fc = 77e9;C = 3e8;Lambda = c/fc;Nt = 2;Nr = 4;
如果两个阵列都有半波长间距(有时称为全阵列),则双向模式接近于接收阵列模式。
Dt = /2;Dr = λ /2;txarray = phase . ula (Nt,dt);rxarray = phase . ula (Nr,dr);Ang = -90:90;Pattx = pattern(txarray,fc,ang,0,“类型”,“powerdb”);patx = pattern(rxarray,fc,ang,0,“类型”,“powerdb”);Pat2way = pattx+ patx;helpperplotmultipledbpattern (ang,[pat2way pattx patx],[-30 0],...{“双向模式”,“Tx模式”,“处方模式”},...'全/全阵列的模式- 2Tx, 4Rx',...{“- - -”,“——”,“-”。});
如果将全发射阵列替换为薄阵列,这意味着单元间距比半波长宽,那么双向图的束宽就会更窄。请注意,即使薄发射阵列有光栅瓣,这些光栅瓣并不存在于双向模式中。
dt = Nr* /2;txarray = phase . ula (Nt,dt);Pattx = pattern(txarray,fc,ang,0,“类型”,“powerdb”);Pat2way = pattx+ patx;helpperplotmultipledbpattern (ang,[pat2way pattx patx],[-30 0],...{“双向模式”,“Tx模式”,“处方模式”},...'薄/全数组模式- 2Tx, 4Rx',...{“- - -”,“——”,“-”。});
该系统的双向模式相当于2 × 4 = 8个元素的虚拟接收数组的模式。因此,通过仔细选择发射和接收阵列的几何形状,我们可以增加系统的角度分辨率,而无需增加更多的天线阵列。
varray = phase . ula (Nt*Nr,dr);Patv = pattern(varray,fc,ang,0,“类型”,“powerdb”);helperPlotMultipledBPattern(ang,[pat2way patv],[-30 0],...{“双向模式”,“虚拟阵列模式”},...“薄/全数组和虚拟数组的模式”,...{“- - -”,“——”}, (1 2));
MIMO雷达中的虚拟阵列
在相干MIMO雷达系统中,发射阵列的每个天线都发射正交波形。由于这种正交性,可以在接收阵列上恢复发射信号。然后可以将物理接收阵列上对应于每个正交波形的测量叠加形成虚拟阵列的测量。
注意,由于发射阵列中的每个元素都独立辐射,没有发射波束形成,所以发射模式很宽,覆盖了大视场(FOV)。这允许同时照明的所有目标在视场。然后,接收阵列可以生成多个波束来处理所有目标回波。与需要连续扫描覆盖整个视场的传统相控阵雷达相比,这是MIMO雷达在需要快速反应时间的应用中的另一个优势。
TDM-MIMO雷达仿真
时分多路复用(TDM)是实现传输信道间正交的一种方法。本例的其余部分演示了如何建模和模拟TDM-MIMO调频连续波(FMCW)汽车雷达系统。波形特征改编自基于FMCW技术的汽车自适应巡航控制(雷达工具箱)的例子。
波形= helperDesignFMCWWaveform(c,lambda);fs = waveform.SampleRate;
想象FOV中有两辆车,间隔20度。在本例的早期阵列模式图中可以看到,4元素接收阵列的3dB波束宽度约为30度,因此传统处理无法在角域内分离两个目标。雷达传感器参数如下:
发射机=相控。发射机(“PeakPower”, 0.001,“获得”、36);接收器=阶段性的。ReceiverPreamp (“获得”现年40岁的“NoiseFigure”, 4.5,“SampleRate”fs);Txradiator =阶段性的。散热器(“传感器”txarray,“OperatingFrequency”足球俱乐部,...“PropagationSpeed”c“WeightsInputPort”,真正的);Rxcollector =相控的。收集器(“传感器”rxarray,“OperatingFrequency”足球俱乐部,...“PropagationSpeed”c);
定义自我车辆和视场中两辆车的位置和运动。
Radar_speed = 100*1000/3600;自我车速度100公里/小时雷达运动=阶段性。平台(“InitialPosition”(0, 0, 0.5),“速度”, radar_speed, 0, 0);Car_dist = [40 50];%传感器与汽车之间的距离(米)Car_speed = [-80 96]*1000/3600;% km/h -> m/sCar_az = [-10 10];Car_rcs = [20 40];car_pos = [car_dist。* cosd (car_az); car_dist。*信德(car_az); 0.5 - 0.5);汽车=阶段性的。RadarTarget (“MeanRCS”car_rcs,“PropagationSpeed”c“OperatingFrequency”、fc);Carmotion =阶段性的。平台(“InitialPosition”car_pos,“速度”,[car_speed;0 0;0 0]);
传播模型假定为自由空间。
通道=阶段性。空闲空间(“PropagationSpeed”c...“OperatingFrequency”足球俱乐部,“SampleRate”fs,“TwoWayPropagation”,真正的);
然后可以对TDM MIMO雷达物理阵列接收的原始数据立方体进行如下模拟:
rng (2017);Nsweep = 64;Dn = 2;抽取因子%fs = fs/Dn;xr = complex(0 (fs*waveform.SweepTime,Nr,Nsweep));W0 = [0;1];%权重来启用/禁用辐射元素为m = 1:Nsweep更新雷达和目标位置[radar_pos,radar_vel] = radarmotion(waveform.SweepTime);[tgt_pos,tgt_vel] = carmotion(waveform.SweepTime);[~,tgt_ang] = rangeangle(tgt_pos,radar_pos);发射FMCW波形Sig =波形();Txsig =发射机(sig);切换传输元素W0 = 1-w0;Txsig = tx散热器(Txsig,tgt_ang,w0);传播信号并反射目标Txsig = channel(Txsig,radar_pos,tgt_pos,radar_vel,tgt_vel);Txsig = cars(Txsig);解码接收到的雷达返回Rxsig = rxcollector(txsig,tgt_ang);Rxsig =接收器(Rxsig);Dechirpsig = dechirp(rxsig,sig);减少返回以减少计算需求为n =大小(xr, 2): 1:1 xr (: n m) =毁掉(dechirpsig (:, n), Dn,“杉”);结束结束
虚拟阵列处理
物理阵列接收到的数据立方必须经过处理形成虚拟阵列数据立方。对于本例中使用的TDM-MIMO雷达系统,通过取数据立方体的每隔一页,可以从两次连续扫描中恢复与两个发射天线单元对应的测量值。
Nvsweep = Nsweep/2;Xr1 = xr(:,:,1:2:end);Xr2 = xr(:,:,2:2:end);
现在进入数据立方体xr1
包含与第一发射天线单元对应的返回,以及数据立方体xr2
包含与第二发射天线元件对应的返回值。因此,来自虚拟数组的数据立方体可以形成如下形式:
XRV = cat(2,xr1,xr2);
接下来,对虚拟数据立方进行距离多普勒处理。由于距离-多普勒处理是线性的,相位信息被保留。因此,得到的响应可以用于对虚拟孔径进行进一步的空间处理。
Nfft_r = 2^nextpow2(size(xrv,1));Nfft_d = 2^nextpow2(size(xrv,3));Rngdop =阶段性的。RangeDopplerResponse (“PropagationSpeed”c...“DopplerOutput”,“速度”,“OperatingFrequency”足球俱乐部,“SampleRate”fs,...“RangeMethod”,FFT的,“PRFSource”,“属性”,...“RangeWindow”,“损害”,脉冲重复频率的1 / (Nt * waveform.SweepTime),...“SweepSlope”waveform.SweepBandwidth / waveform.SweepTime...“RangeFFTLengthSource”,“属性”,“RangeFFTLength”nfft_r,...“DopplerFFTLengthSource”,“属性”,“DopplerFFTLength”nfft_d,...“DopplerWindow”,“损害”);[resp,r,sp] = rngdop(xrv);
由此产生的分别地
是包含虚拟阵列中每个元素的距离多普勒响应的数据立方体。作为一个例子,给出了虚拟阵列中第一个元素的距离-多普勒图。
plotResponse (rngdop挤压(xrv (: 1:)));
在每一对发射和接收单元的距离-多普勒图上进行探测,以识别场景中的目标。在本例中,对在第一个发射元素和第一个接收元素之间获得的映射执行一个简单的基于阈值的检测,该映射对应于虚拟数组中第一个元素的测量。根据上图所示的距离-多普勒图,阈值设置为比最大峰值低10分贝。
Respmap = squeeze(mag2db(abs(resp(:,1,:))));ridx = helperRDDetection(respmap,-10);
根据目标的检测范围,从虚拟阵列数据立方体中提取相应的距离切割,进行进一步的空间处理。为了验证虚拟阵列与物理阵列相比提供了更高的分辨率,下面的代码提取了两个目标的距离切割,并将它们合并到单个数据矩阵中。然后对这些虚拟阵列测量执行波束扫描算法来估计目标的方向。
Xv =挤压(sum(resp(ridx,::),1))';Doa =阶段性。BeamscanEstimator (“SensorArray”varray,“PropagationSpeed”c...“OperatingFrequency”足球俱乐部,“DOAOutputPort”,真的,“NumSignals”,2,“ScanAngles”(ang);[Pdoav,target_az_est] = doa(xv);流('target_az_est = [%s]\n'num2str (target_az_est));
Target_az_est = [-6 10]
成功分离两个目标。两辆车的实际角度分别是-10度和10度。
下图比较了来自虚拟和物理接收阵列的空间频谱。
Doarx =阶段性。BeamscanEstimator (“SensorArray”rxarray,“PropagationSpeed”c...“OperatingFrequency”足球俱乐部,“DOAOutputPort”,真的,“ScanAngles”(ang);Pdoarx = doarx(xr);helperPlotMultipledBPattern(ang,mag2db(abs([Pdoav Pdoarx])),[-30 0],...{“虚拟数组”,“数组”的身体},...“虚拟阵列和物理阵列的空间频谱”, {“- - -”,“——”});
在本例中,检测是在距离多普勒图上执行的,而没有对虚拟阵列数据立方体进行空间处理。这是因为信噪比很高。如果信噪比较低,也可以在整个距离-多普勒图上对虚拟阵列进行盲处理,从而在检测前使信噪比最大化。
相位编码MIMO雷达
虽然TDM-MIMO雷达的处理链相对简单,但它一次只使用一个发射天线。因此,它没有利用发射阵列的全部能力。为了提高效率,MIMO雷达中还可以使用其他的正交波形。
使用相同的配置作为示例,实现正交性的一种方案是让一个元素始终传输相同的FMCW波形,而第二个发射元素在每次扫描时反转FMCW波形的相位。这样,两个传输元素在所有扫描中都是活动的。对于第一次扫描,两个元件发射相同的波形,对于第二次扫描,两个元件发射相位相反的波形,依此类推。这实际上是使用Hadamard代码对来自不同元素的连续扫描进行编码。它类似于MIMO通信系统中使用的Alamouti代码。
MIMO雷达还可以采用MIMO雷达的相位编码波形。在这种情况下,每个辐射元件可以发射一个唯一编码的波形,然后接收器可以有一个匹配的滤波器组,对应于这些相位编码的波形。然后,这些信号可以被恢复和处理,以形成虚拟阵列。
总结
在这个例子中,我们简要介绍了相干MIMO雷达和虚拟阵列的概念。我们模拟了一个具有2元发射阵列和4元接收阵列的MIMO雷达的返回,并使用8元虚拟阵列对两个距离很近的目标的模拟回波进行了到达方向估计。
参考文献
[1]弗兰克·罗比等。MIMO雷达理论与实验结果《第三十八届信号、系统和计算机Asilomar会议记录》,加州,300-304页,2004年。
伊莱·布鲁克纳,MIMO雷达及其常规当量, IEEE雷达会议,2015。
[3] Sandeep Rao,MIMO雷达,德州仪器应用报告SWRA554, 2017年5月。
[4]李健和Peter Stoica,MIMO雷达信号处理John Wiley & Sons, 2009年。